Articolo metodologico

Ricostruzione di 3-Dimensional Volume Istologia e la sua applicazione per studiare mouse ghiandole mammarie

14.1K visualizzazioni

⸱

DOI:

10.3791/51325

⸱

26 luglio 2014

 ,  ,  ,  ,  ,  ,  , 
1Department of Medical Biophysics, University of Toronto, 2Platform Biological Sciences, Sunnybrook Research Institute, 3Department of Laboratory Medicine and Pathobiology, University of Toronto, 4Physical Sciences, Sunnybrook Research Institute, 5Department of Pathology and Laboratory Medicine, Medical University of South Carolina, 6Manitoba Institute of Cell Biology, University of Manitoba

In questo articolo

Sommario

Presentiamo un approccio di registrazione delle immagini per la ricostruzione del volume istologico tridimensionale (3D), che facilita lo studio dei cambiamenti di un organo a livello di macrostrutture costituite da cellule. Utilizzando questo approccio, abbiamo studiato i cambiamenti 3D tra ghiandole mammarie wild-type e Igfbp7-null.

Abstract

Ricostruzione del volume Istologia facilita lo studio della forma 3D e variazione di volume di un organo a livello di macrostrutture costituiti di cellule. Può anche essere usato per studiare e validare nuove tecniche e algoritmi di imaging medico volumetrico e terapie. Creazione di atlanti 3D ad alta risoluzione di diversi organi 1,2,3 è un'altra applicazione di ricostruzione del volume istologia. Ciò fornisce una risorsa per indagare strutture tissutali e la relazione spaziale tra le varie funzioni cellulari. Vi presentiamo un metodo di registrazione di immagini per la ricostruzione del volume istologia, che utilizza una serie di immagini blockface ottiche. Il volume istologia ricostruito rappresenta una forma affidabile del campione trasformati senza propagate errore di registrazione post-processing. I ematossilina eosina (H & E) sezioni colorate di due ghiandole mammarie topo sono stati registrati per le loro immagini blockface corrispondenti utilizzando punti di confine estratti dal ndrges del campione nelle immagini di istologia e blockface. La precisione della registrazione è stata valutata visivamente. L'allineamento delle macrostrutture delle ghiandole mammarie stata anche valutata visivamente ad alta risoluzione.

Questo studio delinea le diverse fasi di questa immagine registrazione conduttura, che vanno dalla escissione della ghiandola mammaria fino alla ricostruzione 3D del volume istologia. Mentre le immagini di istologia 2D rivelano le differenze strutturali tra coppie di sezioni, il volume istologia 3D offre la possibilità di visualizzare le differenze di forma e di volume delle ghiandole mammarie.

Introduzione

IGFBP7 (insulina come la proteina legante il fattore di crescita 7) è un membro della famiglia delle proteine ​​IGF-binding, e ha dimostrato di legarsi al recettore IGF1 4. Down-regolazione di IGFBP7 è noto essere correlata con la prognosi nel cancro al seno 5, mentre la reintroduzione del IGFBP7 in modelli di tumore dello xenotrapianto inibisce notevolmente la crescita dei tumori 6 attraverso l'induzione di apoptosi e senescenza cellulare 7. Al fine di studiare gli effetti di IGFPB7, un mouse IGFBP7-null è stato creato 5 (dati non pubblicati). Mentre questi topi non sviluppano tumori, mostrano cambiamenti nella istologia delle ovaie, muscoli e nel fegato, nonché difetti di sviluppo della ghiandola mammaria patterning (dati non pubblicati). Il fenotipo difettoso è stato indicato come i topi nulli hanno dimensioni dei cuccioli più piccoli e sono in grado di sostenere più cucciolate di grandi dimensioni (dati non pubblicati).

Volumi di istologia 3D hanno il potenziale di fornire informat utiliion per le analisi quantitative e comparative e la valutazione di risultati patologici in immagini mediche volumetriche. Confocale tridimensionale, microscopia a due fotoni può fornire cellule di alta risoluzione informazioni morfologica della ghiandola alla misura locale 14, ma ha un limitato campo di vista e profondità. Ricostruzione del volume Istologia fornisce ulteriori informazioni su una maggiore estensione spaziale. Utilizzando approcci tradizionali certa distorsione è anticipata durante la preparazione di sezioni istologiche, come il restringimento, espansione, lacrime e pieghe. Queste distorsioni rendono difficile registrare immagini istologiche seriali in una pila 3D per ricostruire un volume 3D. Poiché il numero di sezioni consecutive con difetti aumenta le somiglianze tra sezioni intatte ridotta e conseguentemente rende il processo di registrazione più complicato.

Diversi metodi sono stati proposti per registrare sezioni istologiche e per creare un istologia vo continualume. Alcune tecniche dipendono da variazioni di intensità 8, e altri sono basati sulla forma delle sezioni 9. Per alcuni esemplari le strutture anatomiche possono essere utilizzate come punti di riferimento 10,11 insieme basato limite-metodi di registrazione 12,13. Ma queste strutture interne potrebbero non essere rilevabile durante l'intero volume e per alcuni esemplari presenti strutture anatomiche affidabili possono essere identificati. Alcuni gruppi hanno utilizzato un approccio di registrazione pair-wise e registrato le immagini istologia consecutive una all'altra utilizzando profili o strutture anatomiche 16-18. Registrazione sezioni istologiche seriali l'un l'altro senza l'uso di immagini di riferimento può propagare errore di registrazione e cambiare la forma reale del volume istologia. Approccio registrazione Pair-saggio si basa sulla coerenza della forma delle sezioni istologici e le strutture interne per tutta la pila di immagini; quindi richiede denso campionamento del campione, chepotrebbe non sempre è possibile, ad esempio, per i campioni clinici.

In questo gasdotto usiamo immagini blockface come un insieme di immagini di riferimento per il volume istologia ricostruzione 19. Blockface immagini sono prese dei blocchi di tessuto paraffina dopo il montaggio sul microtomo e prima di ogni sezione viene tagliata. Così, danni a individuo sezioni seriali taglio non interferisca con la registrazione di sezioni seriali 8,11,15. Catturiamo le immagini blockface in modo diverso dagli altri gruppi. Le immagini dei volti blocco ottico vengono raggiunti con un telecentrico per eliminare o minimizzare la canna e prospettiva distorsione, che di solito si verifica quando si utilizzano lenti regolari in ottica. Questo è uno dei vantaggi del metodo proposto rispetto agli altri metodi pubblicati, che eseguono l'imaging blockface utilizzando lenti regolare. Le immagini sono riprese con una leggera angolazione obliqua di utilizzare la riflessione della superficie del blocco per migliorare il contrasto tra il TISSsuperficie ue e paraffina e di eliminare l'ombra del tessuto in profondità sotto la superficie paraffina. Un filtro fotografico è anche usato per polarizzare la luce proveniente dalla superficie del blocco e il tessuto per bilanciare il contrasto 19. Per correggere lo spostamento del blocco sul microtomo rotativo da due a tre fori sono realizzati negli angoli del blocco, che sono facilmente rilevabili nelle immagini blockface. I centroidi di questi fori sono usati insieme con la registrazione rigida a base di riferimento-per allineare le immagini blockface.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

1. Specimen

  1. Accise le ghiandole mammarie chirurgicamente da wild-type CDH1 nonché IGFBP7-null mice tre giorni dopo l'instaurarsi della lattazione.
  2. Stendere le ghiandole su vetrini per contribuire a recuperare nativo della ghiandola mammaria morfologia.

2. Fissazione e Tissue Processing

  1. Fissare le ghiandole mammarie in folle tamponata 4% PFA O / N a 4 ° C.
  2. Conservare le ghiandole in etanolo al 70% prima del trattamento del tessuto.
  3. Trasferire le ghiandole a piccole cassette di trasformazione del tessuto.
  4. Elaborare i tessuti utilizzando un processore tessuto automatizzato
    1. Disidratare tessuti ascendente etanolo e xilene bagni di etanolo al 70% per 45 minuti, 2 volte in etanolo al 95% per 45 minuti, 3 volte in 100% di etanolo per 1 ora e 2 volte in xilene per 45 min.
    2. Permeare i tessuti con paraffina 3 volte per 1 ora ogni sotto vuoto con pressione applicata.
  5. Incorporare i tessuti in paraffina per formare blocchi, Per il sezionamento.

3. Istologia ed Blockface Imaging

  1. Tagliare i blocchi di paraffina utilizzando un microtomo rotativo fino a quando la paraffina in eccesso viene rimosso.
  2. Utilizzare una fresatrice verticale per perforare fori di 1 mm in almeno due angoli del blocco di paraffina perpendicolare alla cassetta.
  3. Montare il blocco tessuto sul microtomo rotativo.
  4. Impostare il sistema di imaging blockface 19 davanti al microtomo.
  5. Immagine blockface ottica catturare prima del sezionamento.
  6. Tagliare i nastri di quattro sezioni a 5 micron di spessore sul microtomo.
    1. Trasferire i nastri al bagno di acqua fredda.
    2. Separare la seconda e la quarta sezione del nastro e montarli su vetrini da microscopio. Scegliendo la seconda e la quarta sezione fornisce un divario tra 5 micron sezioni.
    3. Espandere ciascuna sezione in un bagno di acqua calda (48 ° C) per unwrinkle esso, poi ri-montarlo sul vetrino da microscopio.
      NOTA: CUtting, montaggio, unwrinkling sezioni causare alcune distorsioni della sezione, come la lacrima, piega, restringimento e l'espansione. Questi manufatti complicano la registrazione delle sezioni istologici.
    4. Macchiare le sezioni con H & E con un Stainer automatico.
    5. I vetrini coprioggetto utilizzando un montavetrini automatico.
    6. Digitalizzare le diapositive utilizzando uno scanner diapositiva istologia digitale alla risoluzione di interesse. Per questo protocollo è l'ingrandimento 20x e la risoluzione è 0.47 micron.
    7. Down-campionare le immagini istologici per la risoluzione delle immagini blockface, 18 micron.

4. Immagine registrazione

  1. Immagine Segmentazione e punto di selezione
    1. In blockface immagini misurano i valori di pixel dei fori di registrazione e usa il valore medio come una soglia fissa per segmentare i fori di registrazione negli angoli del blocco di paraffina.
    2. Da alcune parti aggiuntive potrebbero anche essere segmentati dacon il limite fissato, utilizzare la circolarità e l'area degli oggetti segmentati per trovare i buchi ed eliminare gli oggetti extra. Per fare questo, scrivere un piccolo codice e trovare il rapporto di (4π x area) / (perimetro) 2 per gli oggetti segmentati. Questo rapporto per oggetti rotondi è 1.
    3. Per ogni ghiandola mammaria, selezionare un'immagine blockface come riferimento e allineare il resto delle immagini blockface al riferimento utilizzando il centro dei fori di registrazione e tecniche di registrazione basato limite.
    4. Per le immagini blockface allineate, segmento manualmente o estrarre il tessuto dallo sfondo. Utilizzare l'oggetto più consistente nella maschera per il resto del protocollo.
    5. Per H & E sezioni seguire le istruzioni riportate di seguito per la segmentazione automatica.
      1. Utilizzare Otsu soglia tecnica 20 alle immagini segmento dallo sfondo e creare maschere binari delle immagini istologici.
      2. Individuare e selezionare l'oggetto più consistente in ogni maschera usando l'histogram degli oggetti etichettati.
      3. Estrarre i un pixel di larghezza punti di confine sia da istologia e maschere blockface.
      4. Utilizzare algoritmo codice catena 21, per rappresentare i punti di confine da una sequenza di lineare a tratti adatta.
  2. Registrazione rigida iniziale
    1. Utilizzare Fourier descrittori algoritmo 22, per trovare la rigida iniziale trasformazione tra i punti di confine di istologia e le loro immagini blockface corrispondenti. Questo iniziale di trasformare comprende i fattori di conversione, rotazione e scala.
    2. Trasformare ogni immagine istologia con l'iniziale di trasformazione ottenuto dal passaggio precedente.
  3. Affinamento della registrazione rigido
    1. Rimuovere le sezioni ad alta curvatura del bordo dal profilo istologico usando un filtro palla che rotola 23.
    2. Selezionare 500 punti dei restanti istologici punti di confine in modo casuale con distribuzione uniforme.
    3. Trasformare il laistologia punti di confine casuali con la trasformazione iniziale ottenuto da descrittori di Fourier.
    4. Selezionare l'intero insieme di blockface punti di confine e utilizzare iterativi più vicini Points (ICP) 24 algoritmo per trovare la trasformazione rigida tra i punti blockface di confine, di destinazione e di istologia punti di confine casuali.
    5. Trasforma le immagini istologici allineate ottenuti dalla fase precedente e la pila di immagini di istologia allineate crea il volume istologia.
    6. Utilizzare un software di visualizzazione 3D per creare una immagine visiva del volume istologia.
  4. Visualizzazione della Pila di immagini a ingrandimento 5x
    1. Down-assaggiare le immagini istologici originali a 5x ingrandimento.
    2. Ritagliare la regione di interesse in una delle immagini istologici.
    3. Calcolare la posizione di tale regione in altre immagini istologici 5x utilizzando la combinazione delle trasformazioni rigide delle due fasi di registrazione.
    4. Ritagliare la regions di interesse per la stessa regione dimensioni in tutte le altre immagini di istologia.
    5. Infine definire l'allineamento tra le regioni manualmente. Scrivere un programma che sovrappone due immagini e permette di selezionare i valori di rotazione e traslazione di una delle immagini sopra l'altra e quindi salva l'immagine trasformata quando l'allineamento è accettata.
    6. Guarda le pile delle regioni istologici 5x allineati utilizzando un software di visualizzazione 3D.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Un inconveniente di tradizionali tecniche di microscopia è che la comprensione di un organo a livello microscopico è limitata ad un campo di vista alla volta. Anche "totale informative" slides, che forniscono intere sezioni di scorrimento, non riescono a fornire informazioni tridimensionali. Con lo sviluppo di tutta la diapositiva, tecnologie di scansione dinamica, la nostra capacità di vedere una sezione nella sua interezza è aumentata, tuttavia estrapolando richiede strutture 3D ricostruzione del volume isto...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

In questo studio, abbiamo sviluppato una registrazione workflow un'immagine di ricostruire un volume istologia 3D da immagini seriali istologia 2D, che non richiede punti di riferimento interni scelti a caso o marcatori fiduciali impiantati all'interno del tessuto, che potrebbero distorcere il tessuto. Con il metodo descritto, immagini blockface ottici stessi vengono utilizzati come immagini di riferimento prima del sezionamento. Usiamo fori esterni praticati nel blocco di paraffina per aiutare ad allineare le i...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori non hanno nulla da rivelare

Ringraziamenti

Gli autori desiderano ringraziare il Biomarker Imaging Research Laboratory (BIRL) del Sunnybrook Research Institute per i loro servizi di istologia. Il sostegno a questo lavoro è stato fornito dalla Terry Fox Foundation, dalla Canadian Breast Cancer Foundation, dalla Prairie-NWT e da una sovvenzione CIHR, #MOP-97996.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
16% PFAVWR International1571016% Soluzione di paraformaldeide
Piccole cassette per il trattamento dei tessuti VWRInternationalCA95029-956
Leica ASP300 Processatore automatizzato di tessutiLeica14047643515
100% EtanoloFisher ScientificS25307B
XileneVWR International CA95057-822
ParaffinaThermo Fisher39501006Mezzo di inclusione tissutale Paraplast
Centro di inclusione Leica EG 1160
Leica
Vetriniper microscopio Argo
VWR International CA48312-015
H& E macchiaVWR International
Coloratore
Vetrini VWR International 48404-452
MEDITE RCM 7000 vetrino coprioggettiMEDITE
Leica SCN400 scanner per vetriniLeica
MATLABMathWorks IncMATLAB 2007bSoftware di sviluppo
MeVisLabMeVis Medical Solutions AGvisualizzazione 3DMeVisLab 2.1
Microtomo rotativo Leica Fresatrice Leica automatico Software di

Riferimenti

  1. Sunkin, S. M., et al. Brain Atlas: An integrated spatiotemporal port for exploring the central nervous system. Nucleic Acids Research. 41, 996-1008 (2012).
  2. Shen, E. H., Overly, C. C., Jones, A. R. The Allen Human Brain Atlas: Comprehensive gene expression mapping of the human brain. Trends in Neurosciences. 35 (12), 711-714 (2012).
  3. Trifunović, D., Karali, M., Camposampiero, D., Ponzin, D., Banfi, S., Marigo, V. A high-resolution RNA expression atlas of retinitis pigmentosa genes in human and mouse retinas. Invest. Ophthalmol. Vis. Sci. 49 (6), 2330-2336 (2008).
  4. Evdokimova, V., et al. IGFBP7 binds to the IGF-1 receptor and blocks its activation by insulin-like growth factors. Science Signaling. 5 (255), 92(2012).
  5. Burger, A., Leyland-Jones, B., Banerjee, K., Spyropoulos, D., Seth, A. Essential roles for IGFBP-3 and IGFBP-rP1 in breast cancer. European J. Cancer. 41 (11), 1515-1527 (2005).
  6. Amemiya, Y., et al. Insulin like growth factor binding protein-7 reduces growth of human breast cancer cells and xenografted tumors. Breast Cancer Res Treat. 126 (2), 373-384 (2011).
  7. Benatar, T., et al. IGFBP7 reduces breast tumor growth by induction of senescence and apoptosis pathways. Breast Cancer Res Treat. 133 (2), 563-573 (2012).
  8. Bardinet, E., et al. Co-registration of histological, optical and MR data of the human brain. Medical Image Computing and Computer-Assisted Intervention-Part I. , Springer-Verlag. London, UK. 548-555 (2002).
  9. Jacobs, M. A., Windham, J. P., Soltanian-Zadeh, H., Peck, D. J., Knight, R. A. Registration and warping of magnetic resonance images to histological sections. Medical Physics. 26 (8), 1568-1578 (1999).
  10. Zhan, Y., Ou, Y., Feldman, M., Tomaszeweski, J., Davatzikos, C., Shen, D. Registering histologic and MR images of prostate for image-based cancer detection. Academic radiology. 14 (11), 1367-1381 (2007).
  11. Dauguet, J., et al. Three-dimensional reconstruction of stained histological slices and 3D non-linear registration with in vivo MRI for whole baboon brain. Journal of Neuroscience Methods. 164 (1), 191-204 (2007).
  12. Lazebnik, R. S., Lancaster, T. L., Breen, M. S., Lewin, J. S., Wilson, D. L. Volume registration using needle paths and point landmarks for evaluation of interventional MRI treatments. IEEE Transactions on Medical Imaging. 22 (5), 653-660 (2003).
  13. Breen, M. S., Lazebnik, R. S., Wilson, D. L. Three-dimensional registration of magnetic resonance image data to histological sections with model-based evaluation. Annals of Biomedical Engineering. 33 (8), 1100-1112 (2005).
  14. Mori, H., Borowsky, A. D., Bhat, R., Ghajar, C. M., Seiki, M., Bissell, M. J. The American Journal of Pathology. 180 (6), 2249-2256 (2012).
  15. Gibb, M., et al. Resolving the three-dimensional histology of the heart. Computational Methods in Systems Biology. Gilbert, D., Heiner, M. , 2-16 Springer-Verlag. London, UK. 2-16 (2012).
  16. Wu, M. L., et al. Three-dimensional virtual microscopy of colorectal biopsies. Archives of Pathology & Laboratory Medicine. 129 (4), 507-510 (2005).
  17. Arganda-Carreras, I., et al. 3D Reconstruction of histological sections: Application to mammary gland tissue. Microscopy Research and Technique. 73 (11), 1019-1029 (2010).
  18. Song, Y., Treanor, D., Bulpitt, A. J., Magee, D. R. 3D reconstruction of multiple stained histology images. Journal of Pathology Informatics. 4 (2), 7(2013).
  19. Shojaii, R., Karavardanyan, T., Yaffe, M., Martel, A. L. Validation of histology image registration. SPIE Medical Imaging. 7962, 79621E, doi:10.1117/12.878762. 7962 (7962E), (2011).
  20. Ridler, T. W., Calvard, S. Picture thresholding using an iterative selection method. IEEE Transactions on Systems, Man, and Cybernetics. 8 (8), 630-632 (1978).
  21. Freeman, H. Computer processing of line-drawing images. ACM Computing Surveys (CSUR. 6 (1), 57-97 (1974).
  22. Giardina, C. Accuracy of curve approximation by harmonically related vectors with elliptical loci). Computer Graphics and Image Processing. 6 (3), 277-285 (1977).
  23. Shojaii, R., Martel, A. L. A novel edge point selection method for registration of histology images. Optical Tissue Image analysis in Microscopy, Histopathology and Endoscopy. (OPTIMHisE) Workshop, MICCAI. , (2009).
  24. Besl, P., McKay, N. A method for registration of 3-D shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence. 14 (2), 239-256 (1992).
  25. Chatterjee, S., et al. Loss of Igfbp7 causes precocious involution in lactating mouse mammary gland. PLoS ONE. 9 (2), e87858(2013).
  26. Manjunath, B. S., Chellappa, R. Unsupervised texture segmentation using Markov random field models. IEEE Transactions on Pattern Analysis and Machine Intelligence. 13 (5), 478-482 (1991).
  27. Krishnamachari, S., Chellappa, R. Multiresolution Gauss-Markov random field models for texture segmentation. IEEE Transactions on Image Processing: a publication of the IEEE Signal Processing Society. 6 (2), 251-267 (1997).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Ricostruzione volumetrica istologica 3Dapproccio di registrazione delle immaginiimmagini ottiche della superficie di tagliocolorazione con ematossilina e eosinaallineamento tramite software personalizzatoalgoritmo dei descrittori di FourierIterative Closest Pointssoftware di visualizzazione 3Dimaging medico volumetrico

Articoli correlati